CN104111932A - 一种身份证号码的识别方法及装置 - Google Patents

Abstract

本发明公开了一种身份证号码的识别方法及装置，克服目前还没有较为成熟的从网络数据中识别身份证号码的缺陷，该方法包括：从字符流中识别出可能为身份证号码的字符串；采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证；将通过验证的所述可能为身份证号码的字符串作为可能有效的身份证号码。本申请的实施例可以在网路安全领域对大流量的网页内容进行过滤识别，准确性高、速度快、硬件设备上占用内存空间小。

Description

一种身份证号码的识别方法及装置

技术领域

本发明涉及号码识别技术，尤其涉及一种身份证号码的识别方法及装置。

背景技术

身份证号码的识别在网路安全领域中，如入侵检测、短消息过滤、信息查询等方面均有重要的应用。随着网络技术的发展和Internet的普及，个人信息等网络信息的安全和保护，越来越受到人们的重视。

本文中身份证号码的识别，是指在网路信息处理系统中，从网络数据或者从文件数据(如网页)中，识别并提取出有效的身份证号码。这些号码有可能是网路上某些人的违规发布，容易造成个人隐私信息的泄露。

可以通过识别身份证号码，以及预警或者隐藏等手段，来保护身份证信息的违规泄漏。但目前这方面还没有较为成熟的技术。

发明内容

本发明所要解决的技术问题是克服目前还没有较为成熟的从网络数据中识别身份证号码的缺陷。

为了解决上述技术问题，本发明提供了一种身份证号码的识别方法，包括：

从字符流中识别出可能为身份证号码的字符串；

采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证；

将通过验证的所述可能为身份证号码的字符串作为可能有效的身份证号码。

优选地，从字符流中识别出可能为身份证号码的字符串，包括：

采用能够对有效数字、可忽略字符、非法字符以及可能的结束符进行区分的哈希表对所述字符流进行字符识别；

将十八位数字组成的字符串或者十七位数字以及一位X或x的字符串识别为所述可能为身份证号码的字符串。

优选地，采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证，包括：

采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码、出生日期码以及校验码的验证。

优选地，采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码的验证，包括：

利用二维数组对所述可能为身份证号码的字符串中的前六位字符进行所述地址码的验证。

优选地，利用所述二维数组的第一维对所述可能为身份证号码的字符串中的前三位字符进行所述地址码的大行政区号码的验证，利用所述二维数组的第二维对所述可能为身份证号码的字符串中的第四至六位字符进行所述地址码的区内号码的验证；

其中，所述二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。

本申请还提供了一种身份证号码的识别装置，包括：

识别模块，配置为从字符流中识别出可能为身份证号码的字符串；

验证模块，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证；

执行模块，配置为将通过验证的所述可能为身份证号码的字符串作为可能有效的身份证号码。

优选地，所述识别模块包括：

识别单元，配置为采用能够对有效数字、可忽略字符、非法字符以及可能的结束符进行区分的哈希表对所述字符流进行字符识别；

判断单元，配置为将十八位数字组成的字符串或者十七位数字以及一位X或x的字符串识别为所述可能为身份证号码的字符串。

优选地，所述验证模块包括：

第一验证单元，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码的验证；

第二验证单元，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的出生日期码的验证；

第三验证单元，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的校验码的验证。

优选地，所述第一验证单元配置为利用二维数组对所述可能为身份证号码的字符串中的前六位字符进行所述地址码的验证。

优选地，所述第一验证单元配置为利用所述二维数组的第一维对所述可能为身份证号码的字符串中的前三位字符进行所述地址码的大行政区号码的验证，利用所述二维数组的第二维对所述可能为身份证号码的字符串中的第四至六位字符进行所述地址码的区内号码的验证；

其中，所述二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。

与现有技术相比，本申请的实施例可以在网路安全领域对大流量的网页内容进行过滤识别，准确性高、速度快、硬件设备上占用内存空间小。本申请的实施例通过对将三位大区代码的数值映射为一个数值为0-149的有效区间，节约了内存，降低了成本。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本申请实施例的身份证号码的识别方法的流程示意图。

图2为本申请实施例的身份证号码的识别系统的流程示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征在不相冲突前提下的相互结合，均在本发明的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

我国目前应用的二代身份证，包含有十八位号码，其编码规则是十八位号码中包含十七位数字本体码和位于十七位数字本体码之后的一位数字校验码。其中十七位数字本体码中依次包含六位数字地址码、八位数字出生日期码和三位数字顺序码。其中六位数字地址码表示编码对象常住户口所在地的行政区划代码；出生日期码表示编码对象出生的年、月、日，其中年份用四位数字表示，年、月、日之间不用分隔符；顺序码表示同一地址码所标识的区域范围内，对同年同月同日出生的人员编定的顺序号。校验码是根据前面十七位数字码，按照ISO7064：1983.MOD11-2校验算法计算出来的结果。

六位数字地址码中，第一、二位数字表示编码对象常住户口所在地的省份代码，第三、四位数字表示编码对象常住户口所在地的城市代码，第五、六位数字表示编码对象常住户口所在地的区县代码。也可以将六位数字地址码中的前三位作为大行政区号码，后三位作为区内号码。

八位出生日期码中，依次为四位年份码、两位月份码及两位日期码。四位年份码的有效值为大于等于1900小于等于2100。两位月份码的有效值为大于等于1小于等于12。两位日期码在两位月份码为1、3、5、7、8、10以及12时为大于等于1小于等于31，在两位月份码为4、6、9以及11时为大于等于1小于等于30，在两位月份码为2且四位年份码表示闰年时为大于等于1小于等于29，在两位月份码为2且四位年份码表示平年时为大于等于1小于等于28。

三位顺序码中的前两位表示编码对象常住户口所在地政府所辖派出所的分配码，第三位通过奇偶来表示性别。本申请的实施例并不对三位顺序码进行验证和确认。

一位验证码可以根据十七位数字本体码以及标准算法进行验算。在其与验算结果相等时表示该十七位数字本体码及该验证码为一真实有效的身份证号码，与验算结果不相符时表示该十七位数字本体码及该验证码为一无效的身份证号码。

现实生活中，为方便读写身份证号码，往往会在身份证号码中间插入一些辅助字符，比如破折号或者点号等，来对身份证号码进行分节。

如图1所示，本申请实施例的身份证号码的识别方法主要包括如下内容。

S110，利用哈希表从网络数据的字符流中识别出可能为身份证号码的字符串。

本申请的实施例利用能够对有效数字、可忽略字符、非法字符以及可能的结束符进行区分的8位字节的256项字符哈希(hash)表进行字符识别。该字符哈希表为有效数字、可忽略字符、非法字符以及可能的结束符设置不同的值。具体地，本申请的实施例将有效数字的值设为1、可忽略字符的值设为2、非法字符的值设为3以及将可能的结束符的值设为4。

本申请的实施例中该字符串包含有可忽略的辅助字符、数字以及可能存在的结束符，该结束符表示字符X或x。其中该字符串包含该结束符X或x时，该字符串中的数字为十七位；该字符串不包含该结束符X或x时，该字符串中的数字为十八位。将十八位数字组成的字符串或者十七位数字以及一位X或x的字符串识别为可能为身份证号码的字符串。

S120，采用身份证号码编码规则对该字符串进行验证。其中该验证，主要是按照身份证号码编码规则对该字符串进行身份证号码的地址码、出生日期码以及校验码的验证。

S130，将通过验证的该字符串作为可能有效的身份证号码。

本申请的实施例根据8位字符的可能数值，建立长度为256项的字符HASH表，并将有效数字的值设为1、可忽略字符的值设为2、非法字符的值设为3以及将可能的结束符的值设为4。表示有效数字的值为1，该有效数字为10个数字，包括字符0到9。表示用于分隔的可忽略字符的值为2，本申请的实施例中可忽略的9个字符包括：空格、tab字符、回车、换行、点.、破折号(-)、等于号(＝)、折号(/)、反折号(\)。表示可能为身份证号码结束符的字符为X或x的值为3。不是前述10个数字、可忽略字符以及结束符的字符均作为无效字符，其值为4。

本申请的其他实施例中，用于表示分隔的忽略的字符还可以有更多，比如感叹号(！)、星号(*)、井号(#)等等，凡是可以出现在身份证号码中间用于对身份证号码进行分隔而方便读写的字符，均可视为本申请实施例中的可忽略字符，其在本申请实施例的字符哈希表中值均为2。

当读取输入字符串时，通过字符HASH表，读取字符的类型属性，并采取不同的操作。每次读取待处理字符串中的一个字符，以该字符为下标读取字符HASH表的数值，对于值为1的有效字符，在已记录长度小于19时进行记录，否则丢弃。对于值为2的可忽略字符直接丢弃。对于值为3的结束符，如果已记录的字符串的长度为18，则已记录的字符串可能就是一个有效的身份证号码，完成提取工作；如果已记录的字符串的长度为17，则将结束符记录到字符串中作为一个可能有效的身份证号码，完成提取工作；其他长度的已记录的字符串不是一个身份证号码，清除该已记录的字符串(清除缓冲区)。对于值为4的非法字符，如果已记录的字符串的长度为18，则将该已记录的字符串作为一个可能有效的身份证号码提交，否则清除该已记录的字符串(清除缓冲区)。

本申请的实施例所建立的字符HASH表，每个ascii码对应的数据项为该ascii码的属性。如hash[48]的值为1，ascii码48是字符‘0’，因此其数值为1(有效身份证字符)，hash[45]的值为2，ascii码45是字符‘-’，因此其数值为2(可忽略的分隔字符)。本申请的实施例根据预设的字符HASH表，以数据流中的待检测字符为下标，查询得出字符的类型。在判断任一字符时，仅需判断其hash[a]的数值即可。

本申请的实施例通过一次查表，即可完成字符的处理，对有效身份证字符进行记录，对无效身份证字符进行终结处理，对可忽略字符进行过滤以及对结束符的判断处理，结合身份证号码长度，快速得出与身份证号码长度项相符合的字符串，完成身份证号码的提取和验证工作。

本申请的实施例将六位数字地址码分为三位数字的大行政区号码和三位数字的区内号码。本申请的实施例利用二维数组对可能为身份证号码的字符串中的前六位字符进行验证。二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。利用二维数组的第一维对可能为身份证号码的字符串中的前三位字符进行地址码的大行政区号码的验证，利用二维数组的第二维对可能为身份证号码的字符串中的第四至六位字符进行地址码的区内号码的验证。该二维数组的第一维记录有有效身份证号码中所有的大行政区号码，第二维记录有所有有效大行政区号码下有效区内号码。本申请的实施例，该二维数组的第一维为一维大区hash表，第二维为二维行政区hash表，通过该一维大区hash表和二维行政区hash表来快速进行六位数字地址码的识别。

二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。由于大行政区号码有许多空值，本申请的实施例为节省硬件设备的内存空间，利用大区号码映射表对三位数字的大行政区号码进行验证，该大区号码映射表的空间大于0但小于将三位数字的大区代码的数值0-999映射为一个数值小于999的有效区间，比如为0-149的有效区间。该大区号码映射表中存储有目前全国身份证号码的大行政区号码。

本申请的实施例为利用长度为1000项的区内号码映射表对每个三位数字的区内号码进行验证，其中存储三位数字的区内号码，用来对大行政区号码之后的三位数字进行验证。通过两次查表，即可完成六位数字地址码的有效性确认。

为节省空间，本申请的实施例建立行政区HASH表来完成身份证号码中六位数字地址码的快速验证。建立身份证三位大行政区号码的映射，把1000长度的数据值映射为150长度的数据项值，再建立150*1000的二维数组，完成六位地址码的确认。其中，大区HASH表用来完成身份证号码中的大行政区号码的HASH映射。由于大行政区号码中空余数值较多，本申请的实施例将其映射为一个长度为150的值域范围，大大减少了硬件设备所需的内存空间。大区HASH表中，第0-148项各自对应一个有效的大行政区号码，第149项表示无效区号。大区HASH表的数值，作为二维数组的第一个下标变量，身份证号码中的区内号码作为二维数组的第二维下标变量。行政区二维HASH表中，数值0表示该号码不是一个有效的地址码，数值1表示该号码是一个有效的地址码。

比如对于一个从网页上获取到的字符串“aaaa123asd110.108-196212302873uuuuuuuuuu”，首先依次读取字符“aaaa”，通过字符HASH表判断其都是无效字符，删除。然后读取字符“123”，通过字符HASH表判断其为有效字符，进行记录。紧接着读取“asd”，在读取字符“a”时，已记录的字符串的数字长度是3，不是有效身份证号码的长度15或者18，因此其不是有效的字符丢弃；同样“sd”字符也丢弃，并且已记录的字符串“123”也已不可能成为一个有效的身份证号码中的字符，因此也丢弃。紧接着读取“110.108-196212302873”，由于通过字符HASH表判断出“110”、“108”以及“196212302873”都是有效字符，则按序进行记录，同时通过字符HASH表判断出字符“.”和“-”是可以忽略的字符，将这两个字符忽略。由于已经记录的字符串“110108196212302873”已经达到18位长度，则将其作为一个可能的省份证号码进行存储，对其进行是否可能为有效身份证号码的判断。采用区号判断语句Hash2[hash1[110]][108]进行判断，得到大区号110的HASH值为1，Hash2[1][108]项为1，有效，前六位字符“110108”是一个有效的地址码。然后对“19621230”进行是否为一有效的出生日期码的判断，最后采用ISO7064：1983.MOD11-2校验算法对字符串“110108196212302873”最后一位字符“3”进行校验。据此，可以判断出字符串“110108196212302873”是否为一个可能有效的身份证号码。

如图2所示，本申请实施例的身份证号码的识别装置主要包括识别模块210、验证模块220及执行模块230。

识别模块210，配置为从字符流中识别出可能为身份证号码的字符串；

验证模块220，与识别模块210相连，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证；

执行模块230，与验证模块220相连，配置为将通过验证的所述可能为身份证号码的字符串作为可能有效的身份证号码。

如图2所示，上述识别模块210包括识别单元211及判断单元212。

识别单元211，配置为采用能够对有效数字、可忽略字符、非法字符以及可能的结束符进行区分的哈希表对所述字符流进行字符识别；

判断单元212，与识别单元211及验证模块220相连，配置为将十八位数字组成的字符串或者十七位数字以及一位X或x的字符串识别为所述可能为身份证号码的字符串。

如图2所示，上述验证模块220包括第一验证单元221、第二验证单元222以及第三验证单元223。

第一验证单元221，与执行模块230及识别模块210中的判断单元212相连，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码的验证；

第二验证单元222，与执行模块230及识别模块210中的判断单元212相连，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的出生日期码的验证；

第三验证单元223，与执行模块230及识别模块210中的判断单元212相连，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的校验码的验证。

上述第一验证单元221配置为利用二维数组对所述可能为身份证号码的字符串中的前六位字符进行所述地址码的验证。

上述第一验证单元221配置为利用所述二维数组的第一维对所述可能为身份证号码的字符串中的前三位字符进行所述地址码的大行政区号码的验证，利用所述二维数组的第二维对所述可能为身份证号码的字符串中的第四至六位字符进行所述地址码的区内号码的验证。所述二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。

本领域的技术人员应该明白，上述的本申请实施例所提供的装置的各组成部分，以及方法中的各步骤，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上。可选地，它们可以用计算装置可执行的程序代码来实现。从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种身份证号码的识别方法，包括：

从字符流中识别出可能为身份证号码的字符串；

采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证；

将通过验证的所述可能为身份证号码的字符串作为可能有效的身份证号码。

2.根据权利要求1所述的方法，其中，从字符流中识别出可能为身份证号码的字符串，包括：

采用能够对有效数字、可忽略字符、非法字符以及可能的结束符进行区分的哈希表对所述字符流进行字符识别；

将十八位数字组成的字符串或者十七位数字以及一位X或x的字符串识别为所述可能为身份证号码的字符串。

3.根据权利要求1所述的方法，其中，采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证，包括：

采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码、出生日期码以及校验码的验证。

4.根据权利要求3所述的方法，其中，采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码的验证，包括：

利用二维数组对所述可能为身份证号码的字符串中的前六位字符进行所述地址码的验证。

5.根据权利要求4所述的方法，其中：

利用所述二维数组的第一维对所述可能为身份证号码的字符串中的前三位字符进行所述地址码的大行政区号码的验证，利用所述二维数组的第二维对所述可能为身份证号码的字符串中的第四至六位字符进行所述地址码的区内号码的验证；

其中，所述二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。

6.一种身份证号码的识别装置，包括：

识别模块，配置为从字符流中识别出可能为身份证号码的字符串；

验证模块，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行验证；

执行模块，配置为将通过验证的所述可能为身份证号码的字符串作为可能有效的身份证号码。

7.根据权利要求6所述的装置，其中，所述识别模块包括：

识别单元，配置为采用能够对有效数字、可忽略字符、非法字符以及可能的结束符进行区分的哈希表对所述字符流进行字符识别；

判断单元，配置为将十八位数字组成的字符串或者十七位数字以及一位X或x的字符串识别为所述可能为身份证号码的字符串。

8.根据权利要求6所述的装置，其中，所述验证模块包括：

第一验证单元，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的地址码的验证；

第二验证单元，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的出生日期码的验证；

第三验证单元，配置为采用身份证号码编码规则对所述可能为身份证号码的字符串进行身份证号码的校验码的验证。

9.根据权利要求8所述的装置，其中：

所述第一验证单元配置为利用二维数组对所述可能为身份证号码的字符串中的前六位字符进行所述地址码的验证。

10.根据权利要求9所述的装置，其中：

所述第一验证单元配置为利用所述二维数组的第一维对所述可能为身份证号码的字符串中的前三位字符进行所述地址码的大行政区号码的验证，利用所述二维数组的第二维对所述可能为身份证号码的字符串中的第四至六位字符进行所述地址码的区内号码的验证；

其中，所述二维数组第一维的长度大于等于三位数字所表示的有效的大行政区号码的数量，第二维的长度大于等于所有有效的大行政区号码内三位数字所表示的区内号码的数量。